一种工程供应链中工程调度的处理方法及系统与流程

本发明涉及工程调度数据处理技术领域，尤其涉及一种工程供应链中工程调度的处理方法及系统。

背景技术：

美国《经济学家》杂志2000年刊登的资料表明：在总造价为6500亿美元的众多工程项目中，由于超预算、拖延工期、管理不当等带来的损失与浪费达到2000亿美元，约占投资额的30％。其中造成这些问题的主要原因是承包商、业主、供应商等存在对立关系。由于业主或承包商都从利己的角度出发进行工程实施，管理上存在的分散性和破碎性等方面的问题并没有得到重视，合作性和直接的沟通也一直没有得到改善。

为了对以上问题进行有效地改善，加强业务工程的管理和实现流程的透明性，越来越多的学者专家开始研究如何利用工程供应链管理(Construction Supply ChainManagement，CSCM)的思想来提高建筑工程管理水平。工程供应链管理是供应链管理和工程项目管理研究的新领域。在以承包商、业主为核心的工程供应链中，业主进行有效地需求分析后，工程建设方需要根据此需求进行设计和实现施工、交付等方面的问题。在供应链管理中，此供应链构建运行的驱动来自于工程活动网络，而合作伙伴如业主、原材料供应商的供给将会对工程调度构成约束。供应链管理中要充分考虑各个合作伙伴的资金资源能力。同时为了避免合作各方都从利己的角度出发进行工程实施，在管理上需要对各方的工程进度进行相应约束以推进活动的按时按量完成并获取整体竞争优势的提高。

工程供应链管理的研究虽然已经得到一定的关注，但目前讨论比较多的还是侧重于供应链的描述问题以及运行层的布局问题。只有将工程供应链管理和资源受限工程调度等研究工程结合起来，才能更好地为工程项目管理提供策略支持。资源受限工程调度包括业主、承包商两个角色，主要回答了这么一个问题：在给定一个工程，其中包括一组相互关联的活动和一个有限资源集合，是否存在一个过程能够决定何时开启每一个活动以至于在资源限定之内能够实现管理目标。问题的目标通常有工期最小化、工程净现值最大化以及时间-成本平衡等。其中关系到业主、承包商两个方面的金融目标的问题即是资源受限工程调度问题中的进度支付问题。该问题需要从两方面对项目进度进行设计：1)支付方案，用来说明业主的资金支付策略，主要解决哪个时间点给承包商资金，每个时间点给多少。2)活动方案，用来说明对于每个子活动，承包商如何执行，什么时候开始。主要的目标是提供一种项目进行的方案，以实现业主和承包商净现值的最大化。

早期对该问题的研究过程中问题模型简化了很多。N.Dayanand和R.Padman第一次模拟业主的净现值(Net Present Value，NPV)优化问题并且提出了一种模拟退火算法的启发式策略。后来，J.S Sszmerekovsky对问题进一步建模，业主的支付策略只能是在承包商的NPV值不低于某一阈值的前提下才能被接受。他证明了客户支付方案的问题是NP难的，同时也提出了一个分支定界的方法。上述的研究只考虑单一模式的项目，要么单独考虑业主支付策略的优化，或者是承包商活动调度优化，第一次揭示业主的付款计划和承包商的活动安排策略之间的关系是He et al.，他进一步发展多模模型并提出了一个模拟退火方法。虽然以上的方案可以解决资源受限的工程调度问题，但他们的方法都放宽了模型，忽略了资源的限制，这使得调度问题更简单，但不太实际。首次同时考虑以上两个目标的是双循环遗传算法。

第一次把资源限制考虑到进度支付工程调度问题的是Ulusoy.提出的双回路遗传算法的方案。双回路遗传算法采用工程供应链思想对问题进行建模。首先业主对自身需求进行分析、设计。然后承包商方对工程活动进行分析计划，并生成工程图。供应链构建运行的驱动来自于工程活动网络，网络中各个活动的前后继构成各活动之间先后执行的制约关系。而合作伙伴业主方的资金和原材料供应商的资源数目供给将会对工程调度构成约束。

该方法采用外遗传算法和内遗传算法分别对支付调度部分和活动调度部分进行模拟优化。在一个执行过程中，外部遗传算法面向业主的付款计划，对业主的NPV值进行优化并初步给出一系列付款时间表。付款时间表确定后，内部遗传算法用于优化承包商的活动计划。由于内容遗传算法有一个迭代进化的过程，用以从承包商的利益的角度来评估每个付款时间列表方案的优劣，这个工作过程符合真正的谈判过程中的客户和承包商在执行一个项目。

虽然双回路遗传算法在考虑业主承包商双方利益的前提下对资源受限工程调度问题进行了优化，但由于每个目标函数的评价和活动优化是一个内循环遗传算法，双循环遗传算法是太耗时。对于中型到大型项目，双循环遗传算法甚至要运行几个星期来返回一个解决方案。更甚的是，它对支付计划的优点缺乏一个很好的判断，而差的支付方案不能及时消除。

技术实现要素：

本发明的目的在于克服现有技术的不足，本发明提供了一种工程供应链中工程调度的处理方法及系统，可以解决资源受限的工程调度问题，提高方案执行的效率。

为了解决上述问题，本发明提出了一种工程供应链中工程调度的处理方法，所述方法包括：

从前端接收业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据，将接收的数据传送至系统数据库中并存储；

从系统数据库中读取项目中业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据；

对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；

读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案；

读取优化得到的可执行解，并在前端显示。

优选地，所述读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化的步骤，包括：

步骤1，根据格式化后的项目参数、资源情况数据、每种活动的具体信息三部分数据随机生成N个问题的初始解个体，形成种群P；

步骤2，利用锦标赛选择策略从P中选择N个个体，形成新的种群Q；

步骤3，对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行交叉操作；

步骤4，对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行变异操作；

步骤5，将P和Q中各自的N各个体进行合并，形成大小为2*N的种群M；

步骤6，对M种群执行基于多层次兴趣区域的环境选择操作，选出新的种群P；

步骤7，判断当前是否满足结束条件，若满足则执行步骤8，否则执行步骤2；

步骤8，迭代结束，对最后种群执行基于帕累托的快速非支配排序；

步骤9，将非支配解集中的解方案以及对应的NPV优化目标输出。

优选地，所述解方案包括支付列表、活动列表和模式列表。

相应地，本发明还提供一种工程供应链中工程调度的处理系统，所述系统包括：

数据接收模块，用于从前端接收业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据，将接收的数据传送至系统数据库中并存储；

优化模块，用于从系统数据库中读取项目中业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据；对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案；

显示模块，用于读取优化得到的可执行解，并在前端显示。

优选地，所述优化模块包括：

预处理单元，用于对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；

优化单元，用于读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案。

优选地，所述优化单元还用于根据格式化后的项目参数、资源情况数据、每种活动的具体信息三部分数据随机生成N个问题的初始解个体，形成种群P；利用锦标赛选择策略从P中选择N个个体，形成新的种群Q；对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行交叉操作；对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行变异操作；将P和Q中各自的N各个体进行合并，形成大小为2*N的种群M；对M种群执行基于多层次兴趣区域的环境选择操作，选出新的种群P；判断当前是否满足结束条件，若满足则迭代结束，对最后种群执行基于帕累托的快速非支配排序；将非支配解集中的解方案以及对应的NPV优化目标输出。

优选地，所述解方案包括支付列表、活动列表和模式列表。

在本发明实施例中，采用工程供应链思想对问题进行建模分析，统筹工程项目、子活动执行小组以及资源供应商之间的制约关系，再采用基于多层次兴趣区域策略的多目标遗传算法对问题进行优化求解，可以解决资源受限的工程调度问题，提高方案执行的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例的工程供应链中工程调度的处理方法的流程示意图；

图2是本发明实施例中承包商设计的工程网络示意图；

图3是本发明实施例的工程供应链中工程调度的处理系统的结构组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例的工程供应链中工程调度的处理方法的流程示意图，如图1所示，该方法包括：

S1，从前端接收业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据，将接收的数据传送至系统数据库中并存储；

S2，从系统数据库中读取项目中业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据；

S3，对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；

S4，读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案；

S5，读取优化得到的可执行解，并在前端显示。

其中，业主需求数据包括业主提供的工程资金U、预期资金获益量expect、资金最终支付比finalPay以及工程期限deadline。其中最终支付比指明工程结束时候业主支付的资金占支付总额的百分比。

承包商工程规划数据为承包商设计的工程网络图数据，其格式如图2。其中节点为各个事件，弧表示两个事件之间的执行活动。工程网络图体现出承包商对大的工程项目的子活动划分情况以及活动执行的前后序列限制。

系统资源数据指明资源提供商提供给项目执行的资源种类数R，以及R种资源中任意第i(i＝1,2,…,R)种资源的资源数量C_i。

子活动模式数据指明工程中M种活动中每种活动的执行方式的数目，以及每种执行方式下的资金、时间和各种资源消耗。

在本发明实施例中，项目参数包括事件数N、活动数M、工程资金U、预期资金获益量expect、资金最终支付比finalPay以及工期deadline；资源情况数据包括资源种类数R，以及R种资源中任意第i(i＝1,2,…,R)种资源的资源数量C_i；每种活动的具体信息对每一个活动act_i(i＝1,2,…,M)，指明其入度事件event_j(j＝1,2,…,N)、出度事件event_k(k＝1,2,…,N)、执行模式数目W，以及W种模式中任意第k(k＝1,2,…W)种模式所消耗的天数d、资金消耗cost和任意第x种资源消耗r_x(x＝1,2,…R)。

在支付方案中采用事件节点支付(PEO)方式。而活动方案的设计则由活动列表和支付列表两个列表表示。由此，问题的解建模为如下方式：

支付列表：(share1,share2,...sharen)

活动列表：(act1,act2,...,actm)

模式列表：(mod1,mod2,...,modm)

支付方案中，总的资金U的支付分布在各个事件节点上，share_i标识当事件i发生时，业主支付给承包商的资金占总资金U的百分比。而各个子活动act_i的执行方式可由对应的mod_i指定说明，即mod_i表示act_i活动采用的执行模式序号。活动列表中各个活动之间的前后顺序一定程度上反应活动之间的执行序列限制。当活动序列限制、活动执行模式确定后，则结合工期和资源限制可确定每一个活动的开始执行时间和结束执行时间。从而系统中双方的资金入流和资金出流以及NPV值得以确定。

为了避免支付方案差的解不能够及时被消除并使得双方的NPV值最大化，发明采用多目标遗传算法，以双方NPV值作为优化目标为问题求解。

具体地，S3进一步包括：

步骤1，根据格式化后的项目参数、资源情况数据、每种活动的具体信息三部分数据随机生成N个问题的初始解个体，形成种群P；

步骤2，利用锦标赛选择策略从P中选择N个个体，形成新的种群Q；

步骤3，对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行交叉操作；

步骤4，对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行变异操作；

步骤5，将P和Q中各自的N各个体进行合并，形成大小为2*N的种群M；

步骤6，对M种群执行基于多层次兴趣区域的环境选择操作，选出新的种群P；

步骤7，判断当前是否满足结束条件，若满足则执行步骤8，否则执行步骤2；

步骤8，迭代结束，对最后种群执行基于帕累托的快速非支配排序；

步骤9，将非支配解集中的解方案以及对应的NPV优化目标输出。

在步骤3中，当交叉操作发生在支付列表和模式列表时，采用传统的单点交叉操作。当交叉操作发生在活动列表时，为了保证新的活动序列不违背工程网络图确定的活动序列限制，本发明采取基于顺序的单点交叉策略。首先随机在一个个体中选取一个点，然后目标点前边的位置所有的活动保持不变。位于目标点后边的位置，所有的活动基于另一个染色体上活动的相对顺序排列。相对应地，模式序列也会根据活动序列的调整做相应位置的变动。

在步骤4中，当交叉操作发生在支付列表和模式列表时，采用传统的位变异操作。当交叉操作发生在活动列表时，为了保证新的活动序列不违背工程网络图确定的活动序列限制，发明随机选择一个基因，并判断置换当前基因和前一位的基因是否违背活动序列限制。若不违背，则采取置操作，相应的模式序列也发生改变。否则原个体保持不变。

在步骤6中，为了进一步面向角色双方的兴趣区域对问题进行求解，在环境选择中引用了一种基于偏好的多层次兴趣区域选择的策略。该策略同时将兴趣区域判定结果f₁＝OD(活动策略的优化程度)，f₂＝Dist(当前解距离理想解的距离)和待优化目标f₃＝NPV_client，f₄＝NPV_contractor作为方案中需要优化的目标函数。首先根据f₁、f₂将候选种群划分为若干块，每次从里面选取最接近用户兴趣区域的一块，直到加入P中个体数超过种群规模N为止，然后从最后一个解集块中按照传统多目标遗传算法的策略根据f₃、f₄挑选出所需个数的解并加入新的种群中。

其中，解方案包括支付列表、活动列表和模式列表。同时活动列表中指定每个活动的开始时间startTime、结束时间endTime。从而提供双方完整的解决方案。

相应地，本发明实施例还提供一种工程供应链中工程调度的处理系统，如图3所示，该系统包括：

数据接收模块1，用于从前端接收业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据，将接收的数据传送至系统数据库中并存储；

优化模块2，用于从系统数据库中读取项目中业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据；对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案；

显示模块3，用于读取优化得到的可执行解，并在前端显示。

进一步地，优化模块2包括：

预处理单元，用于对业主需求数据、承包商工程规划数据、系统资源数据、子活动模式数据进行综合和预处理，获得项目参数、资源情况数据、每种活动的具体信息；

优化单元，用于读取预处理后得到的项目参数、资源情况数据、每种活动的具体信息，利用多目标遗传算法对工程项目进行优化，得出一系列较优的工程可执行方案。

具体实施中，优化单元还用于根据格式化后的项目参数、资源情况数据、每种活动的具体信息三部分数据随机生成N个问题的初始解个体，形成种群P；利用锦标赛选择策略从P中选择N个个体，形成新的种群Q；对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行交叉操作；对种群Q中N个个体的支付列表、活动列表和模式列表三方面执行变异操作；将P和Q中各自的N各个体进行合并，形成大小为2*N的种群M；对M种群执行基于多层次兴趣区域的环境选择操作，选出新的种群P；判断当前是否满足结束条件，若满足则迭代结束，对最后种群执行基于帕累托的快速非支配排序；将非支配解集中的解方案以及对应的NPV优化目标输出。解方案包括支付列表、活动列表和模式列表。

具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关描述，这里不再赘述。

在本发明实施例中，采用工程供应链思想对问题进行建模分析，统筹工程项目、子活动执行小组以及资源供应商之间的制约关系，再采用基于多层次兴趣区域策略的多目标遗传算法对问题进行优化求解，可以解决资源受限的工程调度问题，提高方案执行的效率。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的工程供应链中工程调度的处理方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。